分类 - 可微
ClusterFomer:Clustering As A Universal Visual Learner
发表于NeurIPS2023，本文介绍了一种基于CLUSTERing范式与TransFORMER的通用视觉模型——CLUSTERFORMER。该模型包含两个创新设计：①循环交叉注意力聚类，重新定义了TransFORMER中的交叉注意力机制，通过递归更新聚类中心，促进强大的表示学习；②特征调度，利用更新后的聚类中心，通过基于相似性的度量重新分配图像特征，形成一个透明的处理流程。
1
End-to-end Differentiable Clustering with Associative Memories
发表于ICML2023。
2
Unsupervised Learning of Image Segmentation Based on Differentiable Feature Clustering
发表于TIP 2020，无监督语义分割和可微聚类方法。
3Efficient Deep Embedded Subspace Clustering
发表于CVPR2022。
4